畜牧业在内蒙古地区国民经济中占有极其重要的地位,而养羊业在草地畜牧业中占有重要的地位。目前,国内外对于母羊分娩的处理办法仍停留在人工发现人工处理阶段。人工操作不能保证及时准确地检测到初生羔羊,稍有延误,就会造成不可逆转的损失。如果使用以人工智能为核心的计算机系统来代替人工进行检测,可以避免很多不必要的损失。既降低了初生羔羊的死亡率,也减少了人力消耗,对实现智慧牧业有很大帮助。本课题从计算机视觉角度来研究羊分娩场景,采用深度学习的方法训练神经网络模型,使模型最终可以检测出羊分娩场景中的初生羔羊。课题选择Faster-RCNN神经网络模型来完成羊分娩场景下初生羔羊的检测任务,由于缺乏针对羊分娩场景的大型公开数据集,故通过采集羊分娩原始数据、筛选可用实验数据、扩充实验数据、标注实验数据来自制羊分娩场景数据集。使用自制的羊分娩场景数据集分别训练基于不同特征提取网络、基于不同覆盖域阈值、基于不同检测框合并算法的Faster-RCNN神经网络模型,通过实验结果以及检测可视化结果的对比,选取针对羊分娩场景中初生羔羊检测效果较好的Faster-RCNN神经网络模型。最后将针对羊分娩场景中初生羔羊检测效果最好的Faster-RCNN神经网络模型应用到实际场景中,使其达到于真实场景中检测初生羔羊的效果。本课题提出的基于深度学习的羊分娩场景中初生羔羊的检测,通过使用自制的羊分娩场景数据集训练神经网络模型,并通过对比实验结果选取检测效果较好的Faster-RCNN神经网络模型,最终可以达到检测实际羊分娩场景中初生羔羊的效果,具有较好的工程应用价值。